SAM 3D Body 是近期推出的人体网格恢复模型，能够从单张图像生成拓扑连贯、表面光滑的三维网格。模型核心依赖 Momentum Human Rig（MHR）提供的低维参数化表示，并使用语义不变的 DINOv3 进行条件化，同时通过标注对齐实现训练。实验表明，尽管在常规姿态和遮挡情况下表现优异，模型在重建具有显著形态变化的人群（如老年肌肉萎缩、脊柱侧弯、孕妇等）时仍会出现系统性缺失，细节被平滑至平均形态。我们将此归因于“感知‑失真权衡”：低维 MHR 表示限制了对细粒度生物特征的表达，语义条件和标注对齐进一步强化了对整体均值的回归。为突破这一瓶颈，本文提出两条潜在路径：一是结合隐式‑显式混合表示，以提升局部几何细节的可塑性；二是引入医学‑在‑环路（Medical‑in‑the‑Loop）对齐，将临床测量作为额外约束，推动模型向高精度医学应用迁移。\n\n点评